目前,电磁波信息具有越来越复杂的趋势,对目标定位信息的处理要求日益提升,无源基站定位技术具有对设备要求低,所需信息较简单,稳定性较好的优势,因此得到广泛的关注与研究。无源定位技术主要包括时差定位技术（Time Difference of Arrival,TDOA）,频差定位技术（Frequency Difference of Arrival,FDOA）,测向定位技术（Angle of Arrival,AOA）等,其中的TDOA定位技术较为常见,因为其定位精确性和稳定性较好,所以得到大量的应用。本文在时差定位技术的基础上,针对其本身存在的一些问题进行改进,进一步提升其性能;针对机动目标则利用角度消息与频差信息结合,并通过引入改进的粒子滤波算法,实现了对机动目标的追踪定位。本文的研究内容如下:（1）阐述无源基站的基本定位原理,并针对时差、频差等定位技术的原理,提出其所需的信息及处理方法,在此基础上,对目前的定位信息处理方式进行分析,归纳和总结其优缺点,针对定位问题的非线性特性,提出引入改进的鲸鱼智能算法（Improved Whale optimization algorithm,IWOA）去调整目前方法中的劣势,从而进一步提升定位的准确性。对于机动目标源,通过将角度信息与频差信息结合作为背景,对机动目标进行追踪,并在此基础上分析目前滤波方式的不足之处,针对联合信息的特点提出本文的滤波方式—粒子滤波,并在此基础上,进一步引入智能算法调整滤波的过程,使其算法更贴合定位追踪问题。（2）针对时差定位技术,分析建立多站时差定位的数学模型,针对物理模型进行数学分析,利用最大似然估计方法,构建模型公式,并针对不同基站对目标的不同影响问题进一步改进模型,并通过进一步调整智能算法,使其能更好解决本文提出的时差模型非线性求解问题。对于机动目标,在角度信息的基础上结合频差信息,在单基站基础上构建以角度相位-频差联合定位数学模型,通过将角度信息与频差信息结合作为背景,进一步反应机动目标的状态信息,将对目标的追踪问题转化为对目标的状态估计问题,并由此提出本文的改进粒子滤波的处理方式,通过引入一种樽海鞘群智能算法（Salp swarm algorithm,SSA）改进粒子滤波方法,利用改进后的算法对目标状态信息进行统计估计,从而可以实现利用单站对机动目标实时的无源位置判断。（3）进行逻辑推导与仿真实验验证。本文的多站改进鲸鱼算法时差无源定位算法较其他算法精确性有所提升,稳定性好;本文针对机动目标提出的改进樽海鞘群粒子滤波算法能够有效的处理对机动目标源的追踪问题,较其他算法从精度与时间角度来看,综合定位性能更优,鲁棒性更好。